요소의 변동에 대해 Monte Carlo를 실행하는 방법 - 시뮬레이션 실험/확률적 최적화안녕하세요,
아래의 "시뮬레이션 실험"을 활용하는 방법을 이해하려고 합니다. 모의 실험 장치 내 반응이 내 X 요인의 임의 변동/분포에 의해 어떻게 영향을 받는지 평가하기 위해 빨간색 삼각형을 사용했지만 결과를 해석하는 방법을 잘 모르겠습니다. 별도의 "Log10 결함률의 가우시안 프로세스 모델"을 생성합니다.
다음은 현재 고정된 상태의 X 요인입니다.
몇 가지 질문이 있습니다.
1. 초기 바람직성 최소화는 생성된 예측 표현식/방정식에 대한 최소화만 수행하고 X 요인의 무작위 정규 변동을 고려하지 않습니까?
2. 시뮬레이션 실험을 실행할 때 가우시안 프로세스는 무엇을 알려줍니까? 내 X 요소의 무작위 변동으로 인해 응답의 기능 분석을 생성하고 싶습니다... 해당 정보를 제공하지 않는 것 같습니다(Log10 결함률을 해석하는 방법을 모르겠습니다).
3. 참조할 수 있는 이러한 유형의 문제에 대한 리소스/예제가 있습니까?
Re: 요소의 변동에 대해 Monte Carlo를 실행하는 방법 - 시뮬레이션 실험/확률적 최적화죄송합니다. 귀하가 만들지 않은 기존 실험 데이터 세트로 작업하고 있다는 사실을 몰랐습니다.
귀하의 상황에 따른 예와 관련하여; 실험의 레벨 설정과 실험 중에 변경되는 관련 노이즈는 추론 또는 설계 공간을 생성합니다. 당신의 가설에서 " 온도 변화가 잘 이해되지 않습니다." 온도가 잘 이해되지 않으면 연구하십시오! 약간의 분포와 약간의 전체 변동을 가정하는 시뮬레이션의 결과에 얼마나 확신을 가질 수 있습니까? 또는 "특정 범위(예: 35 - 45C) 내에서 무작위로 생각되며 DoE에서 낮음, 중간, 높음만 테스트되었습니다", 낮은 값이 35º이고 높은 값이 45º이고 중앙 40º에서 세 번째 수준이면 해당 공간을 상당히 잘 이해하고 있습니다. 시뮬레이션은 알고리즘(모델)은 이미 알려져 있습니다. 아마도 실험의 결과로 모델이 생성되었을 것입니다. 실험의 추론 공간은 여전히 모델의 실행 가능성에 대한 제한입니다. 모델을 사용하여 추론 공간 외부에서 예측할 때 어떤 일이 발생할 수 있는지 가설을 세울 수 있습니까? 물론 더 넓은 추론 공간에서 실제로 실험을 실행하는 것이 더 나을 것입니다.
Re: 요인의 변동에 대해 Monte Carlo를 실행하는 방법 - 시뮬레이션 실험/확률적 최적화좋은 질문입니다.
이것은 이미 실행되었으며 내가 알려야 하는 데이터를 활용하고 있는 산업 DOE입니다. 내 이해로는, 오일은 supercitical CO2 챔버를 통해 제거되고 추출물은 PPM으로 변환된 NMR 스펙트럼을 통해 측정됩니다(현재 시점에서 해당 데이터의 분석에 대해 자세히 설명하지 않음).
두 번째 요점은 DoE 연구가 이미 완료되었으므로 임의성으로 인한 X의 변동이 잠재적으로 응답 및 기능에 미칠 수 있음을 이해하기를 바랍니다. 예를 들어, 온도 변화가 잘 이해되지 않거나 특정 범위(예: 35 - 45C) 내에서 무작위로 생각되고 DoE에서 낮음, 중간, 높음만 테스트된 경우,
나는 여전히 묻고 싶습니다: 시뮬레이션 실험이 이 시스템을 더 깊이 이해하는 데 무엇을 얻습니까? 아니면 x의 시뮬레이트가 x의 변화와 응답에 미치는 영향을 연구하기에 충분합니까?Re: 요소의 변동에 대해 Monte Carlo를 실행하는 방법 - 시뮬레이션 실험/확률적 최적화다른 생각:
1. 나는 당신이 PPM의 기름 양을 의미하는 것을 이해하지 못합니다. 잔유의 실제 양(예: 부피, 무게, 농도 등)을 측정할 수 없습니까? 측정이 연속적일수록 연구 효율성이 높아집니다(변환에 의존할 필요가 줄어듭니다).
2. x의 변동을 시뮬레이션하는 이유는 무엇입니까? x의 변동을 연구하지 않는 이유는 무엇입니까? Monte Carlo는 x의 변동의 분포, 변동 및 일관성을 알고 있는 경우 더 효과적입니다. 실험을 위한 수준을 선택하기 전에 x의 변동에 대한 약간의 지식이 필요한 것 같습니다. 한 수준의 임의 변동이 다른 수준의 임의 변동과 겹치는 경우 변동을 할당하기 어려울 수 있습니다.
Re: 요인의 변동에 대해 Monte Carlo를 실행하는 방법 - 시뮬레이션 실험/확률적 최적화당신이 올바른지!
Re: 요인의 변동에 대해 Monte Carlo를 실행하는 방법 - 시뮬레이션 실험/확률적 최적화감사합니다!
최적화 후 시뮬레이션 단계에서 수행한 최적화가 가장 낮은 수율을 제공하지 않을 수 있으므로 시뮬레이션 실험이 불량률을 최소화하는 데 도움이 되는 것으로 알고 있습니다. 높은 수준에서 정확한 평가입니까?Re: 요인의 변동에 대해 Monte Carlo를 실행하는 방법 - 시뮬레이션 실험/확률적 최적화참조해 주셔서 감사합니다. 이제 나는 당신이 하는 일을 더 잘 이해합니다.
최적화 단계 이후의 시뮬레이션 단계에서는 예상 변동이 있는 각 요인에 대한 현재 설정을 평가합니다. 각 요인 및 반응에 대한 정의가 주어진 미래 실행을 시뮬레이트합니다. 그것은 단지 능력과 결함에 관한 것입니다. 해당 정보는 귀하의 목적에 충분할 수 있습니다.
다음 단계인 시뮬레이션 실험은 필수는 아니지만 더 많은 정보를 제공합니다. 이 단계에서는 실험 데이터가 아닌 적합 모델을 사용합니다. 원래 요인 공간 내에서 컴퓨터 실험을 위해 공간 채우기 설계를 사용합니다. 각 실행에 대해 시뮬레이션된 응답을 기반으로 설계 및 추정된 전체 불량률로 데이터 테이블이 생성됩니다. 컴퓨터 실험의 불량률을 가진 Gaussian Process 모델을 interpolator로 사용하여 실험 결과를 예측하고 시각화합니다. 불량률은 몇 자릿수에 따라 달라질 수 있으므로 안정성을 위해 불량률은 밑이 10인 로그 함수로 변환됩니다.
시뮬레이트 기능에서 요인의 임의 구성요소를 정의하는 방법은 프로세스에서 요소를 얼마나 잘 제어할 수 있는지에 대한 영향을 평가하는 데 도움이 됩니다.
Re: 요인의 변동에 대해 Monte Carlo를 실행하는 방법 - 시뮬레이션 실험/확률적 최적화당신의 반응은 무엇입니까? 내 대답은 PPM 단위로 재료의 잔류 오일 양을 제조하는 과정입니다.
어떤 종류의 모델을 사용하고 있습니까? 현재 양방향 상호 작용이 있는 2차 모델을 사용하고 있습니다.
요인이 중요합니까? 2차 항은 중요하지 않으므로 보다 단순한 양방향 상호 작용과 선형 항(중요함)으로 이어집니다.
어떤 효과를 모델링하고 있습니까? 잔류 오일의 양은 온도, 압력 및 챔버에 사용된 Co2의 양에 따라 달라집니다. 나는 정상적인 예측 방정식을 넘어 확률적 최적화로 들어가려고 시도하고 있었는데, 이것이 내 효과 변수의 변화와 예측 불가능성을 나타내기 위해 추가 실험 실행을 할 수 있게 해줄 것이라는 것이 나의 이해입니다.
확률적 최적화의 예를 활용했습니다. https://www.jmp.com/support/help/en/15.1/index.shtml#page/jmp/example-of-stochastic-optimization.shtml#ww375920
내 효과 요인이 제어될 수 있거나 정확한 수치가 될 것이라는 것을 완전히 확실하게 알지 못할 때 확률적 최적화가 이러한 불확실성에 도움을 줄까요?Re: 요인의 변동에 대해 Monte Carlo를 실행하는 방법 - 시뮬레이션 실험/확률적 최적화몇 가지 질문과 의견이 있습니다. 그러면 귀하가 이미 제공한 정보를 바탕으로 귀하의 질문에 답변하도록 노력하겠습니다.
- 당신의 반응은 무엇입니까?
- 어떤 종류의 모델을 사용하고 있습니까?
- 요인이 중요합니까?
- 어떤 효과를 모델링하고 있습니까?
내 대답은 다음과 같습니다.
- 예, 바람직함 함수는 평균 응답을 나타냅니다. 왜냐하면 평균 응답이 모델이 나타내는 것이기 때문입니다. 응답의 분산도 모델링할 수 있으며 defi 그것의 바람직함은 별도로 필요합니다.
- 기능 분석을 위해 시뮬레이션 결과를 새 데이터 테이블에 저장하기 위한 컨트롤이 테이블 개요에 있습니다.
- 지금까지 어떤 리소스를 사용했습니까? 읽었어? 도움말 > JMP 문서 라이브러리 > 프로파일러 가이드?
